JP2011221990A - 操業条件予測方法及び操業条件予測プログラム - Google Patents

Abstract

【課題】操業条件の予測精度を向上させること。
【解決手段】予測値演算部２４が、予測要求点ｑと過去実績点Ｘ_ｊとの間の距離ｄ_ｊを算出し、距離ｄ_ｊが距離閾値α以下である過去実績点Ｘ_ｊを抽出し、抽出された過去実績点Ｘ_ｊを用いて予測対象の操業因子に対する操業条件を算出する。これにより、予測要求点ｑとの間の距離が距離閾値α以下の過去実績点Ｘ_ｊを用いて操業条件が予測されるので、予測要求点ｑとの類似度が低い過去の操業因子が予測計算に用いられることが抑制され、操業条件の予測精度を向上させることができる。
【選択図】図１

Description

本発明は、過去の操業因子に基づいて予測対象の操業因子に対する操業条件を予測する操業条件予測方法及び操業条件予測プログラムに関するものである。

従来より、予測対象の操業因子との類似度に基づいて過去の全ての操業因子について予測対象の操業因子を表現するための重み付けを決定し、決定した重み付けを過去の全ての操業因子に作用させることによって、予測対象の操業因子に対する操業条件を予測する操業条件予測方法が提案されている（例えば特許文献１）。

特開２００３−１６２５６３号公報

しかしながら、従来の操業条件予測方法によれば、過去の全ての操業因子を用いて現時点の操業因子に対する操業条件を予測する構成になっているために、重み付けが妥当なものでない場合、現時点の操業因子との類似度が低い過去の操業因子が予測計算に用いられることによって、操業条件の予測精度が低下することがあった。

本発明は、上記課題に鑑みてなされたものであって、その目的は、操業条件の予測精度を向上可能な操業条件予測方法及び操業条件予測プログラムを提供することにある。

上記課題を解決し、目的を達成するために、本発明に係る操業条件予測方法は、予測対象の操業因子を入力変数空間上のベクトルに変換することによって予測要求点を生成する予測要求点生成ステップと、過去の操業データに基づいて生成された操業因子と操業条件との関係に基づいて、過去の操業因子を入力変数空間上のベクトルに変換することによって複数の過去実績点を生成する過去実績点生成ステップと、入力変数空間上における予測要求点と複数の過去実績点との間の距離を算出する距離算出ステップと、距離が所定の閾値以下である過去実績点を抽出し、抽出された過去実績点を用いて予測対象の操業因子に対する操業条件を算出する操業条件算出ステップと、を含む。

上記課題を解決し、目的を達成するために、本発明に係る操業条件予測プログラムは、予測対象の操業因子を入力変数空間上のベクトルに変換することによって予測要求点を生成する予測要求点生成処理と、過去の操業データに基づいて生成された操業因子と操業条件との関係に基づいて、過去の操業因子を入力変数空間上のベクトルに変換することによって複数の過去実績点を生成する過去実績点生成処理と、入力変数空間上における予測要求点と複数の過去実績点との間の距離を算出する距離算出処理と、距離が所定の閾値以下である過去実績点を抽出し、抽出された過去実績点を用いて予測対象の操業因子に対する操業条件を算出する操業条件算出処理と、をコンピュータに実行させる。

本発明に係る操業条件予測方法及び操業条件予測プログラムによれば、予測要求点との間の距離が所定値以下の過去の操業因子を用いて操業条件を予測するので、予測要求点との類似度が低い過去の操業因子が予測計算に用いられることが抑制され、操業条件の予測精度を向上させることができる。

図１は、本発明の一実施形態である操業条件予測システムの構成を示すブロック図である。 図２は、図１に示す実績データベース内に格納される操業データのデータ構造を示す図である。 図３は、本発明の一実施形態である操業条件予測演算処理の流れを示すフローチャートである。 図４は、過去実績点と予測要求点との類似度とチャージ数との関係の一例を示す図である。 図５は、従来技術と本願発明との比較図であり、（ａ）従来技術及び本願発明の操業条件予測方法を用いて演算された石灰投入量に従って鍋脱硫工程を行った場合における石灰の残差の実験結果を示す図、及び（ｂ）図４（ａ）に示す実験結果に基づいて算出された石灰の残差の標準偏差を示す図である。

以下、図面を参照して、本発明の一実施形態である操業条件予測システムの構成及びその動作について説明する。

〔操業条件予測システムの構成〕
始めに、図１を参照して、本発明の一実施形態である操業条件予測システムの構成について説明する。

図１は、本発明の一実施形態である操業条件予測システムの構成を示すブロック図である。図１に示すように、本発明の一実施形態である操業条件予測システム１は、操業用計算機（プロセスコンピュータ）１１、実績データベース１２、及び予測装置１３を備える。

操業用計算機１１は、鍋脱硫工程における石灰等の脱硫剤の投入量等の操業条件を管理及び制御するための装置である。操業用計算機１１には、例えば１回の鍋脱硫工程が完了する度毎に操業データが入力され、操業用計算機１１は入力された操業データを実績データベース１２内に格納する。操業用計算機１１は、操業条件の予測演算要求と予測対象の操業因子データとを予測装置１３に入力する。

実績データベース１２は、過去の鍋脱硫工程の操業データを格納する。本実施形態では、操業データは、図２に示すように、入力変数（操業因子）Ｘｎ（ｎ）に対して出力（操業条件）Ｙｎが対応付けされたテーブル構造を有する。

予測装置１３は、ワークステーション等の演算処理装置によって構成され、予測演算要求入力部２１、データ入力部２２、データベース読込部２３、予測値演算部２４、及び記憶装置２５を備える。予測演算要求入力部２１は、操業用計算機１１から入力された予測演算要求を受け付け、これを予測値演算部２４に入力する。データ入力部２２は、操業用計算機１１から入力された予測対象の操業因子データを受け付け、これを予測値演算部２４に入力する。データベース読込部２３は、実績データベース１２から操業条件の予測演算のために必要な過去の操業データを読み込み、予測値演算部２４に入力する。

予測値演算部２４は、データベース読込部２３から入力された過去の操業データに基づいて操業用計算機１１から入力された操業因子データに対応する操業条件を予測演算する。また、予測値演算部２４は、操業条件の予測値を操業用計算機１１に出力し、操業条件の予測値に基づいて次の鍋脱硫工程における操業条件を操業用計算機１１に設定させる。記憶装置２５は、メモリやハードディスク等の記憶装置によって構成され、各種データを一時記憶する。

〔操業条件予測演算処理〕
このような構成を有する操業条件予測システム１では、予測値演算部２４が、以下に示す操業条件予測演算処理を実行することによって、予測対象の操業因子データに対応する操業条件を精度高く予測する。以下、図３に示すフローチャートを参照して、この操業条件予測演算処理を実行する際の予測値演算部２４の動作について説明する。なお、以下に示す予測値演算部２４の動作は、予測装置１３内のＣＰＵが、ＲＯＭ内に記憶された操業条件予測プログラムをＲＡＭ内へとロードし、ロードされた操業条件プログラムを実行することによって実現される。

図３は、本発明の一実施形態である操業条件予測処理の流れを示すフローチャートである。図３に示すフローチャートは、予測演算要求入力部２１から予測演算要求が入力されたタイミングで開始となり、操業条件予測演算処理はステップＳ１の処理に進む。

ステップＳ１の処理では、予測値演算部２４が、データ入力部２２を介して操業用計算機１１から操業条件の予測に必要なｎ個の入力変数ｑ（１），ｑ（２），ｑ（３），…,ｑ（ｎ）を予測対象の操業因子データとして取得し、取得した操業因子データを入力変数空間上のベクトルｑ（＝［ｑ（１），ｑ（２），ｑ（３），…,ｑ（ｎ）］）にベクトル変換する。以下では、ベクトルｑを予測要求点ｑと表現する。これにより、ステップＳ１の処理は完了し、操業条件予測演算処理はステップＳ２の処理に進む。

ステップＳ２の処理では、予測値演算部２４が、データベース読込部２３を介して実績データベース１２からステップＳ１の処理によって取得されたｎ個の入力変数ｑ（１），ｑ（２），ｑ（３），…,ｑ（ｎ）に対応するｊ個の操業因子データｘ_ｊ（１）,ｘ_ｊ（２）,…,ｘ_ｊ（ｎ）を取得する。そして、予測値演算部２４は、各操業因子データをそれぞれ入力変数空間上のベクトルＸ_ｊ（＝［ｘ_ｊ（１）,ｘ_ｊ（２）,…,ｘ_ｊ（ｎ）］）にベクトル変換する。以下では、ベクトルＸ_ｊを過去実績点Ｘ_ｊと表現する。これにより、ステップＳ２の処理は完了し、操業条件予測演算処理はステップＳ３の処理に進む。

ステップＳ３の処理では、予測値演算部２４が、ステップＳ１の処理によって算出された予測要求点ｑと各過去実績点Ｘ_ｊとの間の距離ｄ_ｊを算出する。距離ｄ_ｊとしては、以下の数式１によって表されるユークリッド距離、マハラノビス距離等を例示することができる。これにより、ステップＳ３の処理は完了し、操業条件予測演算処理はステップＳ４の処理に進む。

ステップＳ４の処理では、予測値演算部２４が、ステップＳ３の処理によって算出された距離ｄ_ｊが距離閾値α以下である過去実績点Ｘ_ｊの総数Ａを計数し、計数された総数Ａが判定閾値Ａ_０以上であるか否かを判別する。判別の結果、総数Ａが判定閾値Ａ_０未満である場合、予測値演算部２４は、操業条件予測演算処理をステップＳ５の処理に進める。一方、総数Ａが判定閾値Ａ_０以上である場合には、予測値演算部２４は、操業条件予測演算処理をステップＳ６の処理に進める。なお、距離閾値αは、以後の処理において用いられる過去実績点Ｘ_ｊの数を管理するための値である。距離閾値αは、高い予測精度が要求されないプロセスでは大きく設定し、高い予測精度が要求されるプロセスでは小さく設定する等、適用するプロセスや過去実績点の総数やばらつきに応じて適宜変更することができる。

ステップＳ５の処理では、予測値演算部２４が、ｋ−ＮＮ法,ｋ−ＳＮ法,及びｋ−ＪＦＥ法等の公知の方法を利用して、過去実績点Ｘ_ｊの中からｋ（＞判定閾値Ａ_０）個の過去実績点Ｘ_ｊを予測要求点ｑに類似する近傍データとして選択する。なお、ｋ−ＮＮ法,ｋ−ＳＮ法,及びｋ−ＪＦＥ法は本願発明の出願時点で既に公知であるので詳細な説明は省略する。簡単に説明すれば、ｋ−ＮＮ法は、ステップＳ３の処理によって算出された距離ｄ_ｊに基づいて、予測要求点ｑの近傍にある過去実績点Ｘ_ｊをｋ個選択する方法である。

ｋ−ＳＮ法は、予測要求点ｑの近傍にある過去実績点Ｘ_ｊを選択された操業データＸ_ｊの数がｋ個に達するまで１対ずつ選択する方法である。ｋ−ＪＦＥ法は、内積を用いて予測要求点ｑの反対側から対になる２つ目の過去実績点Ｘ_ｊを選択する方法である。なお、本実施形態では、総数Ａが判定閾値Ａ_０未満である場合、過去実績点Ｘ_ｊの中からｋ個の過去実績点Ｘ_ｊを近傍データとして選択することとしたが、距離閾値αを変更することによって総数Ａが判定閾値Ａ_０以上になるようにしてもよい。これにより、ステップＳ５の処理は完了し、操業条件予測演算処理はステップＳ７の処理に進む。

ステップＳ６の処理では、予測値演算部２４が、距離ｄ_ｊが距離閾値α以下である過去実績点Ｘ_ｊを予測要求点ｑに類似する近傍データとして選択する。これにより、ステップＳ６の処理は完了し、操業条件予測演算処理はステップＳ７の処理に進む。

ステップＳ７の処理では、予測値演算部２４が、ステップＳ５又はステップＳ６の処理によって選択された近傍データの重心位置ｇｒｖを以下の数式２を用いて算出し、算出された重心位置ｇｒｖと予測要求点ｑとの間の距離ｄｇｒｖを算出する。距離ｄｇｒｖとしては、前述したユークリッド距離を用いることができる。これにより、ステップＳ７の処理は完了し、操業条件予測処理はステップＳ８の処理に進む。

ステップＳ８の処理では、予測値演算部２４が、ステップＳ７の処理によって算出された距離ｄｇｒｖに基づいて近傍データの信頼度ｒｌａ（＝ｆ（ｄｇｒｖ））を算出し、算出された信頼度ｒｌａが閾値Ｒｒｌａ以上であるか否かを判別する。判別の結果、信頼度ｒｌａが閾値Ｒｒｌａ未満である場合、予測演算部２４は、操業条件予測演算処理をステップＳ９の処理に進める。一方、信頼度ｒｌａが閾値Ｒｒｌａ以上である場合には、予測演算部２４は、操業条件予測演算処理をステップＳ１１の処理に進める。

ここで、距離ｄｇｒｖは近傍データの重心位置ｇｒｖと予測要求点ｑとの間の距離であるので、距離ｄｇｒｖが小さければ近傍データは予測要求点ｑと類似性が高いと言える。一方、入力変数ベクトル空間において予測要求点ｑが過去の操業データの分布の端部又は分布から外れた所にある場合、すなわち、近傍データと予測要求点ｑとの類似度が低い場合には、近傍データの重心位置ｇｒｖが予測要求点qから離れることによって距離ｄｇｒｖは大きくなる。

従って、距離ｄｇｒｖに応じた指標、即ち信頼度ｒｌａを定義することにより操業条件の予測値の信頼度を表すことが可能となる。信頼度ｒｌａとしては、数式ｒｌａ＝ｄｇｒｖ/ｓｚｎｎに示すように近傍データのサイズｓｚｎｎで除算することによって正規化した指標を用いることができる。近傍データのサイズｓｚｎｎとしては、近傍データの中で予測要求点ｑに最も近い過去実績点Ｘ_ｊと予測要求点ｑとの間の距離、予測要求点ｑから最も遠い過去実績点Ｘ_ｊと予測要求点ｑとの間の距離、又は、予測要求点ｑにＬ番目（Ｌは過去実績点Ｘ_ｊの総数以下の任意の数字）に近い過去実績点Ｘ_ｊと予測要求点ｑとの間の距離等を例示することができる。

ステップＳ９の処理では、予測値演算部２４が、近傍データと予測要求点ｑとの類似度が低いと判断し、記憶装置２５に予め記憶されている静的モデルを用いて操業条件の予測値を算出する。静的モデルとしては、過去の全操業データを用いて、入力変数を説明変数、出力を目的変数とする重回帰分析により求める重回帰モデルを用いることができる。また、入力変数と出力の間の物理現象を解明することで得られる物理モデルを用いることもできる。これにより、ステップＳ９の処理は完了し、操業条件予測演算処理はステップＳ１０の処理に進む。

ステップＳ１０の処理では、予測値演算部２４が、ステップＳ９の処理によって算出された操業条件の予測値を操業用計算機１１に出力する。これにより、ステップＳ１０の処理は完了し、一連の操業条件演算処理は終了する。

ステップＳ１１の処理では、予測値演算部２４が、ステップＳ５又はステップＳ６の処理によって選択された近傍データから操業条件の予測値ｙ_ｑ ^＊を算出する。操業条件の予測値ｙ_ｑ ^＊は、近傍データの出力ｙ_ｉと距離ｄ_ｊとを考慮して重み付き平均した以下の数式３を利用して算出することができる。

また、入力変数を説明変数、出力を目的変数とする回帰式を用いることによって重回帰分析により操業条件の予測値ｙ_ｑ ^＊を求めることもできる。重回帰分析を行う場合、以下の数式４に示す重回帰式ｙ_ｑに基づいて偏回帰係数を求める。そして、算出された偏回帰係数に基づいて、以下の数式５により操業条件の予測値ｙ_ｑ ^＊を算出することができる。これにより、ステップＳ１１の処理は完了し、操業条件予測演算処理はステップＳ１２の処理に進む。

ステップＳ１２の処理では、予測値演算部２４が、以下に示す数式（６）を用いて、ステップＳ１１の処理において操業条件の予測値ｙ_ｑ ^＊の算出に用いた近傍データに含まれる過去実績点Ｘ_ｊと予測要求点ｑとの類似度Ｗを算出し、類似度Ｗが所定値以上である過去実績点Ｘ_ｊの個数（チャージ数）を算出する。具体的には、類似度Ｗとチャージ数との関係が図４（ａ）に示すような分布状態を示し、所定値が０．５に設定されている場合、予測値演算部２４は、チャージ数の値Ｘ１を算出する。また、類似度Ｗとチャージ数との関係が図４（ｂ）に示すような分布状態を示し、所定値が０．５に設定されている場合、予測値演算部２４は、チャージ数の値Ｘ２を算出する。また、類似度Ｗとチャージ数との関係が図４（ｃ）に示すような分布状態を示し、所定値が０．５に設定されている場合、予測値演算部２４は、チャージ数の値Ｘ３を算出する。なお、所定値は予測要求点ｑに対する全過去実績点Ｘ_ｊの分布状態に応じて適宜変更することができる。そして、予測値演算部２４は、ステップＳ１１の処理によって算出された操業条件の予測値ｙ_ｑ ^＊と類似度Ｗが所定値以上である過去実績点Ｘ_ｊの個数とを操業用計算機１１に出力する。これにより、ステップＳ１２の処理は完了し、一連の操業条件演算処理は終了する。

以上の説明から明らかなように、本発明の一実施形態である操業条件予測処理によれば、予測値演算部２４が、予測要求点ｑと過去実績点Ｘ_ｊとの間の距離ｄ_ｊを算出し、距離ｄ_ｊが距離閾値α以下である過去実績点Ｘ_ｊを抽出し、抽出された過去実績点Ｘ_ｊを用いて予測対象の操業因子に対する操業条件を算出する。そして、このような操業条件予測処理によれば、予測要求点ｑとの間の距離が距離閾値α以下の過去実績点Ｘ_ｊを用いて操業条件が予測されるので、予測要求点ｑとの類似度が低い過去の操業因子が予測計算に用いられることが抑制され、操業条件の予測精度を向上させることができる。

また、本発明の一実施形態である操業条件予測処理によれば、予測値演算部２４が、距離ｄ_ｊが距離閾値α以下である過去実績点Ｘ_ｊの総数Ａが判定閾値Ａ_０未満である場合、予測要求点ｑの近傍から順にｋ個の過去実績点Ｘ_ｊを選択し、選択された過去実績点Ｘ_ｊを用いて操業条件を算出するので、操業条件の算出に用いられる過去実績点Ｘ_ｊの数が少なくなることによって操業条件の予測精度が低下することを抑制できる。

また、本発明の一実施形態である操業条件予測処理によれば、予測値演算部２４が、操業条件の予測値ｙ_ｑ ^＊の算出に用いた近傍データに含まれる過去実績点Ｘ_ｊと予測要求点ｑとの類似度Ｗを算出し、類似度Ｗが所定値以上である過去実績点Ｘ_ｊの個数を操業条件の予測値ｙ_ｑ ^＊と共に出力するので、オペレータは、類似度Ｗが所定値以上である過去実績点Ｘ_ｊの個数に基づいて、操業条件の予測値ｙ_ｑ ^＊の算出条件を確認することができる。具体的には、オペレータは、類似度Ｗが所定値以上である過去実績点Ｘ_ｊの個数が少ない場合、操業条件の予測値ｙ_ｑ ^＊の精度が保証できないと解釈することができる。

〔実験例〕
最後に、図５を参照して、従来技術及び本願発明の操業条件予測方法を用いて操業条件を予測した際の操業条件の予測精度の違いについて説明する。図５（ａ）は、従来技術及び本願発明の操業条件予測方法を用いて演算された石灰投入量に従って鍋脱硫工程を行った場合における石灰の残差（予測石灰原単位−実績石灰原単位）［ｋｇ／ｔ］の実験結果を示す図である。また、図５（ｂ）は、図５（ａ）に示す実験結果に基づいて算出された石灰の残差の標準偏差を示す。

図５（ｂ）に示すように、本願発明の操業条件予測方法では、石灰の残差の標準偏差が従来の操業条件予測方法による石灰の残差の標準偏差より小さくなっている。このことから、過去の全ての過去実績点Ｘ_ｊを用いて操業条件を予測する従来技術の操業条件予測方法よりも、要求点からの距離が所定値以下の過去実績点Ｘ_ｊを用いて操業条件を予測する本願発明の操業条件予測方法の方が、操業条件の予測精度を向上させることができることが知見された。

以上、本発明者によってなされた発明を適用した実施の形態について説明したが、本実施形態による本発明の開示の一部をなす記述及び図面により本発明は限定されることはない。例えば、上記ステップＳ１２の処理において算出された類似度Ｗが所定値以上である過去実績点Ｘ_ｊの個数が所定の閾値未満である場合、予測値演算部２４は、操業条件の予測値ｙ_ｑ ^＊や過去実績点Ｘ_ｊの個数の表示色を変更する等、操業条件の予測値ｙ_ｑ ^＊や過去実績点Ｘ_ｊの個数の出力形態を変更するようにしてもよい。これにより、予測値の精度が保証できない旨をオペレータに確実に認識させることができる。また、類似度Ｗが所定値以上である過去実績点Ｘ_ｊの個数が所定の閾値未満である場合、予測値演算部２４は、ステップＳ９，Ｓ１０の処理を実行することによって、静的モデルを用いて算出された操業条件の予測値を出力するようにしてもよい。このように、本実施形態に基づいて当業者等によりなされる他の実施の形態、実施例および運用技術等は全て本発明の範疇に含まれる。

１ 操業条件予測システム
１１ 操業用計算機（プロセスコンピュータ）
１２ 実績データベース
１３ 予測装置
２１ 予測演算要求入力部
２２ データ入力部
２３ データベース読込部
２４ 予測値演算部
２５ 記憶装置

Claims (5)

1. 予測対象の操業因子を入力変数空間上のベクトルに変換することによって予測要求点を生成する予測要求点生成ステップと、
   過去の操業データに基づいて生成された操業因子と操業条件との関係に基づいて、過去の操業因子を前記入力変数空間上のベクトルに変換することによって複数の過去実績点を生成する過去実績点生成ステップと、
   前記入力変数空間上における前記予測要求点と前記複数の過去実績点との間の距離を算出する距離算出ステップと、
   前記距離が所定の閾値以下である過去実績点を抽出し、抽出された過去実績点を用いて前記予測対象の操業因子に対する操業条件を算出する操業条件算出ステップと、
   を含むことを特徴とする操業条件予測方法。
2. 前記操業条件算出ステップは、前記距離が前記所定の閾値以下である前記過去実績点の総数が所定値以上であるか否かを判別する判別ステップを含み、距離が所定の閾値以下である過去実績点の総数が所定値以上である場合、距離が所定の閾値以下である過去実績点を用いて予測対象の操業因子に対する操業条件を算出することを特徴とする請求項１に記載の操業条件予測方法。
3. 前記操業条件算出ステップは、距離が所定の閾値以下である過去実績点の総数が所定値未満である場合、前記予測要求点の近傍から順に所定数の過去実績点を選択し、選択された過去実績点を用いて予測対象の操業因子に対する操業条件を算出するステップを含むことを特徴とする請求項２に記載の操業条件予測方法。
4. 前記操業条件算出ステップにおいて操業条件の算出に用いた過去実績点と予測要求点との類似度を算出し、算出された類似度が所定値以上である過去実績点の個数を算出された操業条件と共に出力するステップを含むことを特徴とする請求項１〜３のうち、いずれか１項に記載の操業条件予測方法。
5. 予測対象の操業因子を入力変数空間上のベクトルに変換することによって予測要求点を生成する予測要求点生成処理と、
   過去の操業データに基づいて生成された操業因子と操業条件との関係に基づいて、過去の操業因子を前記入力変数空間上のベクトルに変換することによって複数の過去実績点を生成する過去実績点生成処理と、
   前記入力変数空間上における前記予測要求点と前記複数の過去実績点との間の距離を算出する距離算出処理と、
   前記距離が所定の閾値以下である過去実績点を抽出し、抽出された過去実績点を用いて前記予測対象の操業因子に対する操業条件を算出する操業条件算出処理と、
   をコンピュータに実行させることを特徴とする操業条件予測プログラム。

Images